Amazon Web Services ブログ

今や仮想化は、クリエイティブな専門家が在宅勤務で仕事をする上で必要な環境となりました。本ブログでは、AWSクラウド上でポストプロダクションアプリケーションを実行する場合に重要な考慮事項を説明します。

詐欺的なユーザーや悪意のあるアカウントは、企業にとって年間数十億ドルもの収益の損失につながる可能性があります。多くの企業は、ルールベースのフィルターを使用してシステムでの悪意のあるアクティビティを防止していますが、このようなフィルターは脆弱で、悪意のある動作のすべてをキャプチャできない場合があります。 ただし、グラフ手法などの一部のソリューションは、詐欺師や悪意のあるユーザーの検出に特に適しています。詐欺師は行動を進化させて、ルールベースのシステムや単純な特徴ベースのモデルをだますことができますが、グラフ構造や、トランザクションや対話のログに記録されたユーザーと他のエンティティ間の関係を偽造することは困難です。グラフニューラルネットワーク (GNN) は、グラフ構造からの情報をユーザーやトランザクションの属性と組み合わせて、悪意のあるユーザーやイベントを正当なものと区別できる意味のある表現を学習します。 この記事では、Amazon SageMaker と Deep Graph Library (DGL) を使用して GNN モデルをトレーニングし、悪意のあるユーザーや不正なトランザクションを検出する方法を説明します。詐欺検出のためのフルマネージド AWS AI サービスをお求めの企業は、Amazon Fraud Detector を使用することもできます。これにより、偽のアカウントの作成やオンライン支払い詐欺など、潜在的に詐欺的なオンライン活動を簡単に特定できます。 このブログ記事では、Amazon SageMaker を使用したデータの前処理とモデルのトレーニングに焦点を当てています。  GNN モデルをトレーニングするには、最初にトランザクションテーブルやアクセスログの情報を使用して異種グラフを作成する必要があります。異種グラフは、さまざまなタイプのノードとエッジを含むグラフです。ノードがユーザーまたはトランザクションを表す場合、ノードは他のユーザーや、場合によっては他のエンティティ (デバイス識別子、機関、アプリケーション、IP アドレスなど) と異なる種類の関係をいくつか持つことができます。 これに当てはまるユースケースの例には、次のものがあります。 ユーザーが他のユーザーまたは特定の金融機関やアプリケーションと取引する金融ネットワーク ユーザーが他のユーザーと対話するだけでなく、個別のゲームやデバイスとやり取りするゲームネットワーク ユーザーが他のユーザーへのさまざまな種類のつながりを持つことができるソーシャルネットワーク 次の図は、異種金融取引ネットワークを示しています。 GNN には、人口統計情報などのユーザーに関する特徴や、アクティビティ頻度などのトランザクションに関する特徴を組み込むことができます。つまり、メタデータとしてのノードとエッジの特徴を用いて、異種グラフ表現を充実させることができます。異種グラフのノードと関係が確立された後、それらに関連する特徴を用いて、ノードまたはエッジの特徴およびグラフ構造の両方を使用して、GNN モデルをトレーニングして、さまざまなノードを悪意のあるノードと正当なノードに分類する方法を学習できます。モデルトレーニングは、半教師ありの方法で設定されます。グラフには、不正または正当とラベル付けされたノードのサブセットがあります。このラベル付けされたサブセットをトレーニング信号として使用して、GNN のパラメータを学習します。トレーニングされた GNN モデルは、ラベルを予測して、グラフ内の残りのラベルなしノードを見つけることができます。 アーキテクチャ 開始するには、Amazon SageMaker を用いた完全なソリューションアーキテクチャを使用できます。これにより、処理ジョブとトレーニングジョブを実行できます。Amazon SageMaker ジョブは、Amazon Simple Storage Service (Amazon S3) put イベントに応答する AWS Lambda 関数を使用して […]

カスタマーサービスの会話は、一般的に1つ以上のトピックを中心に展開し、関連する質問を含みます。これらの質問にシームレスに答えることが良い会話を行うために不可欠です。例えば、レンタカーを予約する際には、「追加ドライバーにかかる料金はいくらですか？」や「子ども用のカーシートはありますか？」といった質問があると思います。 本日より、Amazon Lex ボットで検索インテントを使用して Amazon Kendra と統合できるため、ボットが Kendra からの回答を表示してくれるようになります。 Amazon Kendra は、最近、エキサイティングな新機能を搭載し、全ての AWS ユーザーに一般公開されました。Amazon Kendra は、機械学習を原動力として、高精度で使いやすいエンタープライズ検索サービスを提供します。これにより、自然言語を使用して直感的に検索したり、より正確な回答を返すことができるようになるため、エンドユーザーは組織の膨大な量のコンテンツ内に保存されている情報を見つけることができます。 以前、AWS Lambda 関数を Amazon Lex ボット内に追加して Kendra と統合する方法について説明しました。詳細はAmazon Kendra を使用して、よくある質問 ボットをよりスマートにをご覧ください。このアプローチでは、統合コードを記述して維持する必要があり、設定を更新する際には必ずこのコードを更新する必要があります。現在は、検索インテントを追加して、FAQ ドキュメントから探している回答を得ることができます。ボット定義の一部として、インテント内に検索インデックスパラメータを定義するだけで良いのです。ユーザー入力が他の構成されたインテントのいずれとも一致しない場合、ボットは対話中に Amazon Kendra 検索インデックスに問い合わせます。検索クエリの応答には、ボットが応答に使用できるリクエスト属性が入力されます。Lambda のコードを記述する必要は全くありません。この統合はシンプルで、Amazon Kendra から Amazon Lex の会話にシームレスに自然言語の回答を配信することができます。 この投稿は、検索インテントを使用して Amazon Lex ボットを Amazon Kendra と統合する方法を示しているため、会話において回答を提供するボットを素早く構築できます。下図に、今回のソリューションを示します。 Lex ボットの構築 以前の投稿と同じ会話を使ってボットの会話をモデル化します。 ユーザー: IT ヘルプデスクはどこにありますか? エージェント: 2 階の 201 号室 […]

去年よりAWSのメンバー４名（志村、上原、関山、下佐粉）でデータレイクの基礎からアーキテクチャ、構築、運用管理までをカバーした書籍「AWSではじめるデータレイク」を執筆してきたのですが、7月出版の目処がたったことを記念して、5月末から毎週木曜にデータレイクに関するWebセミナーを開催してきました。 幸いにも大変多くの方にご参加いただくことができました。ご参加いただいた方にはあらためてお礼申し上げます。 一方で、以前の回に出られなかったので資料だけでも公開して欲しい、というご要望をたくさん頂いていました。そこで今回第1回から第3回の資料を公開させていただく事になりました。 ※ 2020/06/25更新：第4回の資料を追加公開しました

AWS上でSAPを稼働しているアクティブなお客様は5,000を超えています。私たちは常に、お客様のコストを削減し、信頼性と可用性を向上し、性能を向上する方法を検討しています。このブログでは、SAPのお客様に大きな影響を与える最近の素晴らしい発表をいくつかご紹介します。

 Deluxe Entertainment Services Inc.(Deluxe) は、メディアとエンターテインメント市場にグローバルなエンドツーエンドのサービスとテクノロジーを提供している、世界を代表する動画作成および配信企業です。世界でも最大級のコンテンツクリエーター、放送局、OTT、ディストリビューターが Deluxe のスケーリング、テクノロジー、機能に依存し、プレミアムコンテンツの世界市場を実現しています。 Deluxe がエッジコンピューティング、データストレージ、転送に AWS Snowcone を活用した新しいクラウドベースの IP コンテンツ配信ソリューションである One VZN を開始したことで、最新の劇場配信を体験できるようになりました。Snowcone はポータブルで高い耐久性を持つセキュアなエッジコンピューティングおよびデータ転送デバイスで、AWS Snow ファミリーの中でも最小です。さらに One VZN は他の AWSのサービスも使って、大手の映画製作スタジオや独立したコンテンツを世界の映画館や興行主に迅速かつ安全に配信しています。One VZN は専用ネットワークを劇場に構築することで、完全に AWS のクラウドベースの管理および配信システムをデジタルシネマパッケージ (DCP) に提供します。このため Deluxe は劇場のエンドポイントで Snowcones に DCP を衛星を介して直接配布するため、ハードドライブを必要としません。 One VZN は、メディアサプライチェーンを統合する同社の主力クラウドベースソリューションである Deluxe One プラットフォームの拡張機能です。One VZN は Deluxe の 100 年を超える経験を活かし、メディアやエンターテイメント業界に高品質で信頼性の高い劇場公開サービスを提供しています。今回更新したプラットフォームは、Deluxe が今後も劇場コンテンツ配信への投資を継続し、消費者を映画館に戻ってきてもらうためのサポートを行うという決断を表しているものと言えるでしょう。 このブログでは、映画業界の技術的変革について、そしてなぜ進化が必要なのかについて解説します。One VZN、AWS Snowcone、AWS DataSync を使ってコンテンツをエッジに効率的に移行し、グローバルな劇場同日配信を可能にする必要性についても説明します。 […]

 この投稿は、AWS のプリンシパルソリューションアーキテクトである Carmen Puccio 氏と、Rafay Systems の共同創設者兼 CEO である Haseeb Budhani 氏によって提供されました 背景 有名なテクノロジー企業である SonicWall は、大企業や中小企業 (SMB) を保護するための幅広いセキュリティ製品のスイートを提供しています。設立以来、SonicWall はセキュリティ製品をハードウェアアプライアンスまたはダウンロード可能なソフトウェアとして提供してきました。SonicWall のお客様がアプリケーションをクラウドに移行し始めると、SonicWall はバックエンドと管理サービスにクラウドコンピューティングを採用するという戦略的な決定を下しました。さらに、SonicWall の大企業およびサービスプロバイダーであるお客様は、プライベートクラウド環境内で SonicWall の製品を利用しています。 重要な要件 クラウドパラダイムを十分に活用し、高度にスケーラブルなクラウドベースの一連の製品を提供するために、SonicWall は 3 つの重要な要件を特定しました。 コアサービスは、アプリケーションを複数のクラウドリージョンに簡単に分散できるように、Docker コンテナとして、マイクロサービスパラダイムを使用して再実装されなければならないこと。 世界各地で事業活動を行うお客様のため、成熟したマネージド型の一連のアプリケーションサービスを世界中の多数の場所で提供するクラウドプロバイダーを選択すること。 パブリッククラウド、オンプレミス、およびお客様の環境でのクラスターのデプロイとアプリケーションの運用を自動化する (Kubernetes ベースの) コンテナ化されたアプリケーションオーケストレーションおよび運用ソリューション。 マイクロサービスの採用 SonicWall のサイバーセキュリティと管理サービスのポートフォリオを最新化するというタスクには、同社のエンジニアリングチームとクラウド運用チームが極めて適任でした。また、チームは最新化の一環として、自社の各製品をサポートする管理ソリューションが複数のクラウドリージョンと数万のお客様のためにスケーリングできることを確認しました。 クラウドプロバイダーの選択 SonicWall は成熟した企業として、次のような成熟したプロバイダーと提携することを意図していました。 信頼性が高い グローバルなコンピューティングフットプリントを提供している 次のようなさまざまなマネージド型のサービスを提供している: 安全なネットワーク リレーショナルデータベースとドキュメントデータベース ログ管理 安全なコンテナレジストリ サーバーレス機能 これらの前提条件を考慮して、SonicWall はアマゾン ウェブ サービス […]

先月、私は AWS Snowball Edge の更新についての記事を公開し、より多くのメモリと vCPU を備えた より高速なストレージ最適化デバイス、GUI ベースの管理ツールである AWS OpsHub for Snow Family、Snowball Edge 用の IAM、および Snowball Edge による AWS Systems Manager のサポートなどの Snowball Edge への最新の更新についてお話ししました。 AWS Snowcone 本日は、厳しい環境、または切断された環境のための物理的なエッジコンピューティング、エッジストレージ、およびデータ転送デバイスの AWS Snow ファミリーで最新かつ最小のメンバー、AWS Snowcone をご紹介したいと思います。 AWS Snowcone の重さは 約 2 キログラムで、8 テラバイトの使用可能ストレージが搭載されています。小型 （長さ 約 2.5 センチ、高さ約 7.5 センチ） で堅牢な Snowcone は、デスクトップ、データセンター、メッセンジャーバッグ、自動車などのさまざまな環境、およびドローンと連結させて使用することができます。Snowcone は AC 電源またはオプションのバッテリで稼働させることができるため、自給自足が不可欠なさまざまなタイプのユースケースに最適です。 デバイスエンクロージャはタンパーエビデントかつ耐タンパーで、データのセキュリティと完全な […]

今日の世界では、ソーシャルメディアは、顧客が消費するサービスの体験を共有する場所になっています。すべての通信プロバイダーは、顧客が不満な点をできるだけ早く理解し、頻繁に NOC (ネットワークオペレーションセンター) 内にソーシャルメディアチームを立ち上げることを望んでいます。このチームは、ツイートなどのソーシャルメディアメッセージを手動で確認し、キャリアのネットワークに特定の問題があることをほのめかす顧客の苦情や問題のパターンを特定するよう務めます。 不満を抱いている顧客はプロバイダーを乗り換える可能性が高いため、オペレーターは顧客体験を改善し、サービスの問題を報告している不満足な顧客に積極的にアプローチします。 もちろん、ソーシャルメディアは非常に大規模に運用されており、通信会社のお客様からはソーシャルメディアデータから顧客の問題を手動で明らかにすることは非常に困難であるとの声が伝わってきます。 この記事では、通信会社が Amazon Comprehend のカスタムマルチクラス分類を使用して、サービス停止を特定し、顧客と積極的に関わることができるように、ツイートをリアルタイムで分類する方法を示します。 ソリューションの概要 通信会社の顧客は、サービス停止についてソーシャルメディアに投稿するだけでなく、提供されたサービスについてコメントしたり、競合他社と比較したりしています。 会社は、それらのタイプのツイートを個別にターゲットにすることで有効活用できます。オプションの 1 つに、顧客からフィードバックをもらうことがあります。これを受けて、カスタマーサービスが顧客に対応することができます。サービス停止の場合、エンジニアが問題を特定できるように、情報を収集して外部システムでチケットを切る必要があります。 この記事のソリューションは、AI 主導型ソーシャルメディアダッシュボードソリューションを拡張したものです。次の図は、ソリューションのアーキテクチャを示しています。 AI 主導型ソーシャルメディアダッシュボードソリューションの実装アーキテクチャ このソリューションでは、Amazon Virtual Private Cloud (Amazon VPC) で実行される Amazon Elastic Compute Cloud (Amazon EC2) インスタンスをデプロイし、Twitter からツイートを取り込みます。Amazon Kinesis Data Firehose 配信ストリームは、ソリューションの Amazon Simple Storage Service (Amazon S3) バケットの raw プレフィックスにストリーミングツイートをロードします。Amazon S3 は AWS Lambda 関数を呼び出して、Amazon Translate を使用して生のツイートを分析し、英語以外のツイートを英語に翻訳します。そして Amazon […]

長い間、オンプレミスのSAPプロジェクトでは、リスクを最小限にするために、多くの前もっての要求分析、評価、サイジングプロセスが必要でした。実際に、私たちは、数週間かけた計画の後で初期の決定を変更しなければならなくなった多くの状況に遭遇しています。SAPアーキテクチャーには、ビジネス要求に迅速に対応し、ソリューションを迅速に実装し、フィードバックに基づいて改善し、そして繰り返し行うための十分な柔軟性が必要です。このブログ記事では、AWS上でのSAPアーキテクチャーにアジャイルをもたらす方法を示すために、例としてSAP Commerceを取り上げます。Minimum Lovable Product (MLP)で始めて、それからアーキテクチャーを迅速に変化させる方法を説明します。